在R中Grep查找具有自定义"扩展"边界的单词

Question

我正在寻找一个正则表达式来grep整个单词，包括由数字或下划线分隔的单词。\\b认为数字和下划线是单词的一部分，而不是边界。

例如，我想在“DOG-MOUSE-CAT”、“DOG-MOUSE:CAT”和“DOG\u-MOUSE9CAT”以及表达式的结尾或开头捕捉鼠标，如“MOUSE9CAT”和“DOG\u-MOUSE”。基本上，我要查找的边界是任何非大写字母字符加上行/表达式的开头和结尾（这里可能缺少\\b捕获的一些其他大小写）。

我尝试过：

"[[0-9_]\\b]MOUSE[[0-9_]\\b]"
"[[0-9_]|\\b]MOUSE[[0-9_]|\\b]"
"[$|[^A-Z]]MOUSE[^|[^A-Z]]"
"[?<=^|[^A-Z]]MOUSE[?=$|[^A-Z]]"

它们都不起作用。

我实际上在寻找几个单词（基于一个长的值向量），所以最终结果应该看起来像

grep(paste("\\b", paste(searchwords, collapse = "\\b|\\b"), "\\b"), targettext)

（使用不同的分隔符，因为\\b对我来说太严格了）。

（这与用户Nick Sabbe在这里的评论中提出的问题类似：在R中使用grep查找字符串作为整个单词（而不是字符串作为单词的一部分））

Answer 1

将PCRE正则表达式与lookarounds一起使用：

grep("(?<![A-Z])MOUSE(?![A-Z])", targettext, perl=TRUE)

查看正则表达式演示

<代码>（？

要将环顾法应用于所有备选方案，请使用外部分组（？：…|…） 。

请参阅R在线演示：

> targettext <- c("DOG MOUSE CAT","DOG MOUSE:CAT","DOG_MOUSE9CAT","MOUSE9CAT","DOG_MOUSE")
> searchwords <- c("MOUSE","FROG")
> grep(paste0("(?<![A-Z])(?:", paste(searchwords, collapse = "|"), ")(?![A-Z])"), targettext, perl=TRUE)
[1] 1 2 3 4 5